近年来我国的海水养殖业迅速发展,对海水养殖信息进行统计变得越来越重要。传统的实地调查非常耗费时间与人力,已经不适合大范围展开,通过遥感技术对是海水养殖信息进行提取,已经成为海洋环境领域重要的研究方向之一。在遥感图像中提取筏式养殖区域时,目视解译方法既费时又费力,而传统的机器学习方法对遥感数据的泛化能力和拟合能力较差。为克服这两个问题,本文提出了一种基于全卷积神经网络自动提取筏式养殖区域的方法。该方法属于像素级别分类,其采用多个卷积层,池化层和非线性ReLU激活函数进行组合形成深层网络,提取筏式养殖区域的非线性和不变的深层特征,这样有效提高了筏式养殖区域识别的准确性。同时,在避免过度拟合方面,将L2正则化和dropout策略添加到神经网络模型中。使用GF-1号卫星拍摄多光谱高分遥感影像,同时,筏式水产养殖的研究区域将选择中国连云港近海地区。实验结果表明,本文提出的方法有效地识别和提取了水产养殖区域,其识别养殖区的F1分数达到了最高的83.9%。基于全卷积神经网络自动提取筏式养殖区域的方法属于端对端的分类方法,在实际应用中,需要对养殖区的面积及数量做出估计。使用基于目标检测的方法对遥感影像筏式养殖区进行整体的检测,有效的检测养殖区面积以及统计养殖区数量。在实验中,使用You Only Look Once目标检测方法在实验研究区域进行养殖区的目标检测。实验结果表明,该方法在测试图像的检测筏式养殖区的平均F1分数达到了 97.4%。